PostgreSQL не умер: стартап перешёл на Pinecone, не попробовав pgvector
Техдир стартапа, разрабатывающего RAG‑систему для юридических документов, решил заменить PostgreSQL на Pinecone, полагая, что Postgres не справится с векторным поиском, хотя у них было лишь несколько сотен векторов и они не тестировали pgvector.
В статье на Habr ML (12 сен 2026) рассказывается о недавнем решении одного юридического стартапа, разрабатывающего RAG‑систему для обработки документов. Техдир компании, полагая, что PostgreSQL «не тянет» векторные запросы, объявил о миграции с привычного PostgreSQL на Pinecone – облачную векторную базу данных. \n\nИнтересный момент: у проекта было всего 200‑300 векторов, а команда никогда не пробовала расширение pgvector, которое добавляет поддержку векторных типов и индексов прямо в PostgreSQL. По словам автора, решение было принято «по общему мнению», без практического сравнения производительности или стоимости. \n\npgvector уже несколько лет успешно используется в продакшене: поддерживает до 1 000 000‑ных векторов, позволяет создавать HNSW‑индексы и интегрируется с популярными фреймворками (LangChain, LlamaIndex). Для небольших и средних наборов данных (до нескольких миллионов векторов) PostgreSQL с pgvector часто оказывается дешевле и проще в обслуживании, чем отдельные векторные сервисы. \n\nАвтор статьи подчёркивает, что такие «переходы без тестов» могут привести к лишним расходам и усложнению инфраструктуры. Он советует проводить пилотные эксперименты, сравнивать latency, стоимость хранения и нагрузку на СУБД, прежде чем отказываться от привычного стека. Подробнее о случае можно прочитать в оригинальном материале: https://habr.com/ru/articles/1081568/.
Для AI‑разработчиков и студентов курсов это напоминание: не стоит сразу отбрасывать PostgreSQL в пользу специализированных векторных СУБД. pgvector предоставляет достаточную производительность для небольших и средних наборов векторов, а миграция в облако может увеличить затраты без реального выигрыша в скорости.
